YOLOX против YOLOv9#

Ландшафт компьютерного зрения формируется постоянными архитектурными прорывами, которые балансируют между вычислительной эффективностью и высокой точностью. При оценке моделей обнаружения объектов в реальном времени сравнение YOLOX от Megvii и YOLOv9 от Academia Sinica подчеркивает две различные философии в разработке глубокого обучения. В то время как первая стала пионером упрощенной парадигмы без анкоров, вторая представила передовые методы маршрутизации градиентов для максимизации удержания информации.

В этом техническом руководстве рассматриваются их архитектурные особенности, тесты производительности и идеальные сценарии использования, а также показывается, как современные решения, такие как Ultralytics Platform и недавно выпущенная модель YOLO26, предлагают превосходные альтернативы для продакшн-развертывания.

YOLOX: Пионер парадигмы без анкоров (anchor-free)#

Выпущенный в середине 2021 года, YOLOX стал важным шагом вперед в преодолении разрыва между академическими исследованиями и промышленным применением. Устранив необходимость в предопределенных анкорах (anchor boxes), он значительно упростил эвристическую настройку, требуемую для пользовательских наборов данных.

• Авторы: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li и Jian Sun
• Организация: Megvii
• Дата выпуска: 18 июля 2021 г.
• Справочные материалы: Arxiv Paper
• Исходный код: YOLOX GitHub Repository
• Документация: YOLOX Official Docs

Архитектурные инновации#

В YOLOX был внесен ряд ключевых изменений в стандартный конвейер детектирования. В нем реализована раздельная голова (decoupled head), которая разделила задачи классификации и регрессии, что значительно снизило конфликт между распознаванием объекта и определением его границ. Кроме того, в YOLOX принята SimOTA — продвинутая стратегия назначения меток, которая динамически распределяет положительные образцы во время обучения, обеспечивая более быстрый сходимости и лучшую общую производительность на стандартных benchmark datasets.

Преимущества и ограничения#

Главное достоинство YOLOX заключается в его упрощенном дизайне. Безахоррный механизм означает, что разработчики тратят меньше времени на запуск алгоритмов кластеризации для поиска оптимальных размеров якорей для своих данных. Тем не менее, будучи более старой архитектурой, созданной изначально без учета недавних достижений в области механизмов самовнимания (self-attention) или путей градиентов, она с трудом соответствует параметрической эффективности новых сетей. Ей также не хватает нативной поддержки сложных задач, таких как instance segmentation и pose estimation в рамках единого API.

Узнай больше о YOLOX

YOLOv9: Максимизация градиентной информации#

Перенесемся в 2024 год: YOLOv9 представил глубоко теоретический подход к решению проблемы «информационного узкого места», присущей глубоким сверточным нейронным сетям.

• Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
• Организация: Institute of Information Science, Academia Sinica
• Дата выпуска: 21 февраля 2024 г.
• Справочные материалы: Arxiv Paper
• Исходный код: YOLOv9 GitHub Repository
• Документация: Ultralytics YOLOv9 Docs

Архитектурные инновации#

Определяющей особенностью YOLOv9 является программируемая градиентная информация (PGI), которая гарантирует, что важные семантические данные не теряются при прохождении через множество слоев сети. В сочетании с сетью GELAN (Generalized Efficient Layer Aggregation Network) YOLOv9 достигает исключительного соотношения параметров к точности. Это позволяет модели сохранять точные градиенты для обновления весов, что делает ее высокоэффективной даже в легковесных вариантах.

Преимущества и ограничения#

YOLOv9 превосходно раздвигает теоретические границы model accuracy. Модель выдает отличные результаты mAP на COCO, что делает ее фаворитом среди исследователей. Однако, несмотря на свою эффективность, YOLOv9 все еще полагается на традиционное подавление не максимальных пересечений (NMS) для постобработки, что вызывает всплески задержки во время инференса. Для инженеров, сосредоточенных на развертывании ИИ на edge devices, управление логикой NMS добавляет ненужную сложность в конвейер развертывания.

Узнай больше о YOLOv9

Сравнение производительности#

При сравнении необработанных вычислительных метрик этих архитектур становится ясно, что YOLOv9 предлагает более современную базу, в то время как YOLOX остается легковесным вариантом для устаревших систем. Ниже представлен подробный разбор их стандартных моделей.

Хотя YOLOv9 демонстрирует превосходную точность при сопоставимых количествах параметров, разработчикам, ищущим идеальный баланс скорости, точности и простоты использования, стоит рассмотреть последние достижения от Ultralytics.

Преимущество Ultralytics: Встречай YOLO26#

Хотя оценка исторических моделей, таких как YOLOX и YOLOv9, дает ценный контекст, современным стандартом (state-of-the-art) является Ultralytics YOLO26. Выпущенная в начале 2026 года, YOLO26 коренным образом перестраивает конвейер детектирования для современных корпоративных сред.

Беспрецедентные архитектурные инновации#

YOLO26 полностью решает проблему узких мест пост-обработки своих предшественников благодаря нативному сквозному (end-to-end) дизайну без NMS, обеспечивая более простое развертывание на любом оборудовании. Более того, удалив Distribution Focal Loss (DFL) и интегрировав новый оптимизатор MuSGD — гибрид стохастического градиентного спуска (SGD) и Muon — YOLO26 достигает беспрецедентной стабильности обучения.

Для разработчиков, выполняющих развертывание в ограниченных средах, таких как Raspberry Pi, YOLO26 обеспечивает до 43% более быстрый инференс на CPU. Она также представляет функции потерь ProgLoss + STAL, что приводит к драматическому улучшению распознавания мелких объектов, что критически важно для aerial imagery и аналитики с дронов.

Оптимизированная экосистема разработки#

В отличие от автономных исследовательских репозиториев, экосистема Ultralytics обеспечивает непревзойденный опыт разработчика. Используя Ultralytics Python API, инженеры могут радикально сократить объем шаблонного кода. Более того, требования к памяти поддерживаются на высоко оптимизированном уровне, что позволяет обучать надежные модели, используя меньше видеопамяти GPU по сравнению с архитектурами, сильно зависящими от механизмов внимания.

from ultralytics import YOLO

# Load the highly optimized, NMS-free YOLO26 small model
model = YOLO("yolo26s.pt")

# Train on a custom dataset with minimal memory footprint
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Easily export to optimized deployment formats
model.export(format="engine", quantize=16)  # Exports to TensorRT

Помимо детектирования, YOLO26 плавно поддерживает множество задач в рамках той же самой платформы. Независимо от того, нужны ли тебе точные Oriented Bounding Boxes (OBB) для спутниковых снимков или детальные маски пикселей для medical imaging applications, рабочий процесс остается неизменным. Для команд, вложившихся в рабочие процессы предыдущего поколения, Ultralytics YOLO11 также доступна и полностью поддерживается.

Идеальные варианты использования и стратегии развертывания#

Выбор правильной архитектуры полностью зависит от твоей целевой среды развертывания и требований проекта.

Периферийные вычисления и робототехника#

Для маломощных устройств опора на модели, требующие тяжелой постобработки, может подорвать производительность. Хотя YOLOX-Nano невероятно мала, ее точность часто оказывается недостаточной для критически важных с точки зрения безопасности задач. YOLO26 — это однозначный выбор в данном случае; отсутствие у нее DFL и NMS позволяет ей плавно работать на «сырых» потоках CPU, что делает ее идеальной для автономной робототехники или smart parking management.

Академическое тестирование#

Если единственная цель — анализ градиентного потока и изучение узких мест глубоких сетей, YOLOv9 остается отличным объектом для исследования. Ее фреймворк PGI дает захватывающее понимание того, как признаки сохраняются в слоях глубоких нейронных сетей, что делает ее ценным инструментом для университетских исследователей, изучающих теорию сверток.

Корпоративная видеоаналитика#

Для масштабных задач обработки видео, таких как security alarm systems или мониторинг дорожного движения, скорость и универсальные возможности экспорта имеют первостепенное значение. Нативные инструменты экспорта, предоставляемые фреймворком Ultralytics, позволяют командам компилировать YOLO26 напрямую в TensorRT или OpenVINO одной командой, радикально сокращая время выхода на рынок.

Используя все возможности экосистемы Ultralytics, команды разработчиков ИИ могут обойти сложности исходных исследовательских кодовых баз и сосредоточиться непосредственно на создании масштабируемых ИИ-приложений для реальных задач.